Lernkarten

Karten 102 Karten
Lernende 2 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 20.11.2020 / 02.12.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 102 Text Antworten 0 Multiple Choice Antworten
Fenster schliessen

Welche vier Hauptprobleme werden für die Bewertung von MA häufig angeführt?

1) Uniformitätsproblem 

„Äpfel-und-Birnen-Problem“:

• Fragestellungen, aber auch Definitionen, Stichproben, Umsetzung der Manipulation, Messinstrumente, Kontext, methodische Qualität der Primärstudien sind oft heterogen.

• Konkurrierende Definitionen von Begriffen und Konstruktionen besonders bei fachübergreifenden Fragestellungen

• Historische Veränderungen von Konstrukten/Begriffen und deren Definitionen

• International uneinheitliche Definitionen/Forschungstraditionen

2) "garbage in, garbage out - die Qualität der MA ist abhängig von der Qualität der eingeschlossenen Primärstudien

3) Schwierigkeit der Beschaffung älterer oder nicht publizierter Studien

4) BErechnung einer gemittelten ES (wie gewichtet, fixed oder random effect modell)

Fenster schliessen

Was meint der "Publication Bias"?

Der publication bias meint eine höhere Publikationswahrscheinlichkeit von hypothesenkonformen Forschungsergebnissen. Nicht signifikante Ergebnisse werden seltener veröffentlicht.

Fenster schliessen

Was beschreibt der "Funnel-Plot"?

Funnel-Plots sind im Rahmen der Metaanalyse und zeigen den Zusammenhang zwischen den Stichprobengrößen und den Effektstärken in den Primärstudien.

Also die Darstellung der ES abgetragen nach N bzw. SE, sollte trichterförmig um den durchschnittlichen SE verteilt sein.

=ohne Publikationsverzerrung sieht der funnel plot trichterförmig aus mit Gleichverteilung um die mittlere Effektstärke

Fenster schliessen

Was ist "Fail-Safe-N"?

- wird in der MA verwendet

- meint die Anzahl der Studien mit ES=0 die man bräuchte, damit ein mittlere Effekt nicht signifikant werden würde

Fenster schliessen

Was versteht man unter den hierarchischen bzw. partitionierten Verfahren zur Gruppenbildung?

Worin besteht der Unterschied zwischen hierarchischen bzw. partitionierten Verfahren bei Clusteranalysen?

Algorithmen zur Gruppenbildung

(1) Hierarchische Verfahren:

Agglomerativ: Von dem einzelnen Objekt zur Gruppe

Divisiv: Von der Gesamtgruppe zum einzelnen Objekt

- kein Tauschen!

(2) Partitionierende Verfahren: Ausgehend von einer bestehenden Gruppierung der Objekte

Solange austauschen, bis Objekte innerhalb einer Gruppe möglichst ähnlich sind und die Gruppen möglichst unterschiedlich sind.

Grundgedanke: Distanz in der Gruppe minimieren (Ähnlichkeit maximieren) Distanz zwischen den Gruppen maximieren (Ähnlichkeit minimieren)

Fenster schliessen

Erläutern Sie, wie mehrkategoriale Merkmale in ein nichtmetrisches Design aufgenommen
werden können.

Clusteranalyse

Künstliche Dichotomisierung der Rangdaten • Rangvariable in mehrere binäre Indikatorvariablen umwandeln.

Die Kategorien werden also in binäre (o oder 1) Variablen umcodiert. 

Koeffizienten, die die Zelle "d" (also das gleichzeitige Vorhandensein des Merkmals) berücksichtigen, sollten wegen Verzerrungsgefahr nicht verwendet werden. 

Fenster schliessen

Beschreiben Sie die Charakteristika der City-Block Metrik und der Euklidischen Distanz.

Beides metrische Proximitätsmaße (also ein Ähnlichkeits- oder Distanzmaß)

City-Block: Summe der Differenzen (dessen Betrag) 

Euklidische Distanz: Wurzel der aufsummierten quadrierten Differenzen 
--> hier fallen Unterschiede mehr ins gewicht

Fenster schliessen

Welches Ähnlichkeitsmaß bezieht sich auf die Struktur und welches auf das Nieveu von Variabeln?

Q-Korrelationskoeffizient bezieht sich auf die Struktur

Euklidische Distanz bezieht sich auf das Nieveau von Variablen